AI와 함께 UX/UI 디자인하기: 우수 사례 모음집①

9분

4시간 전

284

더블 다이아몬드 프로세스 Discover & Define 사례 모음

2023년 2월, 브런치에서 최고 조회 수를 찍고 요즘IT에서도 누적 조회수 32.4K를 기록하고 있는 AI와의 첫 UX/UI 디자인 프로젝트 글(ChatGPT와 미드저니로 넷플릭스 UI 리디자인하기)을 쓴 지 벌써 2년이 지났다. 그동안 AI 기술은 놀라운 속도로 발전했고 UX/UI 디자인 실무에 적용할 수 있는 범위도 훨씬 더 넓어졌다.

이제 AI는 단순히 텍스트를 생성하는 역할을 넘어, 사용자 퍼소나의 관점에서 의견을 제시하거나 제품 사용 과정을 담은 스토리보드를 그려주기도 한다. 또, UI 디자인에 필요한 에셋을 생성하고 UX 피드백 리포트를 제공하는 등 UX/UI 디자인 전 과정에서 실질적인 협업 파트너로 자리 잡고 있다.

그런 만큼 이번 글에서는 2편에 걸쳐 내가 진행한 ‘AI 활용 UX 디자인 워크숍’에서 실제 수강생이 만든 프로젝트 사례를 바탕으로, 2025년 현재 AI가 UX/UI 디자인 실무 현장에서 협업 도구로 어떻게 활용되는지 구체적으로 살펴보고자 한다.

‘더블 다이아몬드 디자인 프로세스’는 발산과 수렴을 반복하며 문제를 찾고 해결책을 도출하는 과정을 나타낸다. 이 프로세스에서 첫 번째 다이아몬드, 즉, 문제를 발견하고 정의하는 단계에서 AI를 활용한 사례 3가지를 정리해 보았다.

AI 퍼소나 인터뷰

사용자 인터뷰는 사용자로부터 다양하고 풍부한 의견을 수집하고 심층적인 정보를 파악할 수 있는 효과적인 조사 방법론이다. 하지만 실제 업무 현장에서는 실행이 어렵다는 문제가 지속적으로 발목을 잡고 있다.

2023년 7월, 오픈서베이는 IT 업계 및 관련 분야에 종사하는 남녀 직장인 379명을 대상으로 UX 리서치에 대한 인식과 진행 현황을 조사해 트렌드 리포트를 발행했다.

해당 보고서에 따르면, UX 리서치의 중요성에 대한 인식은 높은 반면 실제 기업 내 UX 리서치 인프라는 여전히 부족하다. 전체 응답자의 91.6%는 사용자와 사용자 경험을 이해하는 것이 매우 중요하다고 답했지만, 이를 위한 리서치 인프라가 갖추어져 있다고 응답한 비율은 단지 20.6%에 그친 것이다. 특히 응답자의 69%는 UX 리서치를 진행하지 못하는 이유로 내부 리소스 부족을 꼽았다. 사용자 인터뷰 프로세스(Process) 중 실무자들이 가장 어려워하는 단계는 인터뷰 대상자 모집과 결과 분석으로 나타났다. 실제로 특정한 특성을 가진 타겟 사용자의 경우, 모집의 난이도가 높아질 수밖에 없다.

워크숍 현장에서도 이러한 현실적 어려움에 공감하는 실무자가 많았다. 필요성은 충분히 인지하면서도 실제 리서치를 수행하는 경우는 드물다고 했다. 나아가 리서치 체계가 잘 갖추어져 있다고 하더라도, 사용자를 직접 만나기 전 준비해야 할 요소가 많고 인터뷰 자체에 대한 심리적 부담도 커서 실행 장벽이 높게 느껴진다는 의견이 많았다.

하지만, 결국 고객 중심 제품 개발을 위해서는 서비스 기획 초기 단계부터 사용자의 니즈를 정확히 파악하여 반영해야 한다. 이 과정을 생략하면 고객 요구와 맞지 않는 서비스를 개발하고, 이후 이를 수정하는 데 많은 비용이 들어가는 악순환이 반복될 수 있다. 실제로 스타트업의 3년 내 생존율은 약 33%에 불과한데, 실패 원인 1위로 꼽히는 것이 바로 ‘시장 니즈가 없는 제품을 만든 것’이라는 점이 이를 뒷받침한다.

이처럼 사용자 인터뷰는 꼭 필요하지만, 실행이 어렵다. 그래서 AI를 적용해 문제를 풀어 보았다.

당근마켓 리디자인 프로젝트

아래는 GPTs(UX GPT, User Interview Simulator)를 이용해 ‘당근마켓’을 사용하는 AI 퍼소나를 생성하고, 이 퍼소나와의 가상 인터뷰로 페인 포인트를 발견한 내용이다.

물론 AI 퍼소나가 특정 서비스에 대해 문제를 제기했다고, 그 내용이 항상 사실이라고 볼 수는 없다. 생성형 AI는 때로 정확하지 않거나 사실과 다른 정보를 만들어 낼 수 있기 때문이다. 따라서 AI가 제시한 문제점을 실제 서비스의 화면이나 기능으로 반드시 직접 검증해야 한다.

이때의 ‘검증’이란 AI가 지적한 페인 포인트가 실제 서비스에서도 발생하고 있는 문제인지, 이미 서비스 차원에서 개선을 마친 사항은 아닌지 등을 확인하는 과정을 의미한다. 그렇기에 원활한 검증을 위해서는 디자이너가 직접 접근하고 확인할 수 있는 서비스를 주제로 선정하는 것이 특히 중요하다.

또한, 공감 능력을 충분히 발휘하기 위해서라도 디자이너가 잘 알고 있는 주제를 선택하는 것이 좋다. 디자이너가 해당 서비스에 익숙해 사용자로서 느낄 수 있는 불편을 충분히 이해하고 있어야만, AI가 제안한 분석 결과를 더욱 정확히 해석하고 나아가 비판적으로 재구성할 수 있다. 이러한 맥락에서 보면, 서비스에 대한 배경지식과 사용 경험이 충분한 주제를 선정하는 일은 단순히 리서치의 효율성을 높이는 것을 넘어 리디자인(Redesign) 과정 전체의 완성도를 좌우하는 중요한 요소라고 할 수 있다.

B2B 실무 적용 사례: 클라이언트 퍼소나

이번에는 실제 실무에서 B2B 클라이언트 퍼소나를 생성하고 인터뷰한 사례다. 이 회사는 조직 문화와 인사 교육을 위한 프로그램을 개발하는 B2B 기업으로, 클라이언트의 니즈와 페인 포인트를 명확하게 파악하기 어렵다는 문제를 꾸준히 겪었다고 한다. 이에 따라 해당 회사의 AI 활용 UX 디자인 워크숍에서 ‘IT 대기업 인사팀에서 교육 업무를 담당하는 실무자’ 퍼소나를 생성하고 가상 인터뷰를 진행해 보았다.

먼저 GPTs(User Interview GPT)에게 인터뷰의 목적과 목표 등 맥락을 자세히 설명하고, 이를 바탕으로 인터뷰 질문지를 설계했다.

이 과정에서는 인터뷰 대상이 되는 AI 퍼소나에 대한 구체적인 정보도 함께 설정했다. AI 퍼소나는 ‘IT 업계 대기업 인사팀에서 일하는 교육 담당자’라는 설정으로 총 3명을 만들었고, 각각 퍼소나는 ‘실무형 열정 담당자’, ‘실속형 전략가’, ‘안정형 관리자’라는 특성을 가졌다. 이들은 서로 다른 직급과 성격 특성을 반영하고 있었다.

이러한 과정으로 설계를 마치고 진행한 인터뷰의 결과는 다음과 같다.

마치 실제 인터뷰처럼 아이스 브레이킹을 위한 간단한 자기소개 요청으로 시작해, 구체적인 업무 내용과 진행했던 프로젝트, 교육 운영 중 반복적으로 겪는 어려움과 만족도 등에 대해 질문할 수 있었다.

또한, 외부 협력 에이전시와의 교육 협업 경험을 물어보며 당시 어떤 니즈가 있었는지, 어떤 콘텐츠가 더 설득력 있게 느껴졌는지 등도 파악할 수 있었다. 이렇게 프로그램 기획 단계에서 참고할 수 있는 유용한 인사이트와 잠재적인 피드백을 확보했다.

실제로 이 인터뷰를 진행한 워크숍 수강생은 “그동안 클라이언트를 대상으로 사용자 인터뷰를 진행하기 어렵다는 고충과 답답함이 해소되어 너무 좋았다”는 후기를 전해왔다. 현장에서는 클라이언트 퍼소나뿐만 아니라 상사 퍼소나, 사장님 퍼소나 등을 생성하여 사전에 피드백을 받을 수 있다면 큰 도움이 될 것 같다는 의견도 나왔다.

이처럼 사용자 퍼소나 외에도 피드백을 제공할 수 있는 다양한 유형의 퍼소나를 생성한다면, 디자인 결과물에 대한 사전 피드백을 얻을 수 있다. 그렇게 단점은 미리 보완하고 장점은 더욱 효과적으로 강조하여 프로젝트 완성도를 더욱 높일 수 있을 것이다.

소셜 리스닝

소셜 리스닝(Social Listening)은 소셜 미디어상에서 사용자들이 공유한 피드백을 수집하고, 이를 바탕으로 전반적인 의견이나 경향을 분석하는 리서치 방법론이다. 이 방법론을 효율적으로 실행하기 위해서는 리스틀리(Listly)와 클로드(Claude)를 함께 활용할 것을 추천한다.

리스틀리는 웹상의 데이터를 크롤링하도록 도와주는 구글 크롬 플러그인으로, 특정 웹사이트에서 필요한 데이터를 수집할 수 있다. 이렇게 수집한 데이터는 클로드로 정리하고 분석하면 보다 명확하고 유의미한 인사이트를 도출할 수 있다.

빗썸 리디자인 프로젝트

구글 플레이스토어에 등록된 ‘빗썸’ 앱의 사용자 리뷰 데이터를 수집하는 과정을 예로 들어 보겠다.

먼저 리스틀리를 브라우저에 설치하고 구글 계정으로 로그인한다. 설치를 마치면 브라우저 상단에 리스틀리 아이콘이 생성된다.

그다음, 분석하고자 하는 서비스의 구글 플레이스토어 페이지에 접속하여 ‘평점 및 리뷰’ 섹션을 확인한다. 충분한 리뷰 데이터를 확보하려면 화면의 ‘더보기(▼)’ 버튼을 클릭해 가능한 많은 리뷰가 표시되도록 확장해야 한다.

리뷰가 충분히 표시되었다면, 리스틀리 아이콘을 클릭하고 ‘파트 베타(Part-beta)’ 버튼을 눌러 크롤링할 영역을 설정한다. 리뷰 데이터 부분을 처음부터 끝까지 드래그한 후 아래로 스크롤하면, 리스틀리가 해당 영역의 데이터를 자동으로 수집한다. 이렇게 수집한 데이터는 리스틀리에서 스프레드시트(.csv) 파일 형식으로 다운로드할 수 있다.

*iOS 앱스토어는 웹페이지에서 전체 리뷰 데이터를 한 번에 확인할 수 없으므로, 이러한 방식의 데이터 수집은 구글 플레이스토어에서 진행하는 것이 더 적합하다. 또한 리뷰 개수가 지나치게 많을 경우, 적절한 시점에서 스크롤을 멈추고 데이터를 저장하는 것이 좋다.

그렇게 수집한 파일을 클로드에 업로드한 다음, AI와 함께 분석을 수행한다. 다음은 구글 플레이스토어에 등록된 ‘빗썸’ 앱의 유저 리뷰를 분석하여 클로드로 정리한 내용이다.

클로드에게 분석을 요청할 때는 다음과 같은 키워드를 활용해 볼 수 있다.

최근 12개월 간의 리뷰 추이 분석(월별 리뷰 수 변화 추세 파악)
키워드 분석(주요 이슈 키워드 파악)
감정 분석(긍정/부정/중립 리뷰의 비율 파악)
불편사항 분포도(전체 리뷰 중 불편함이 차지하는 비율과 주요 페인 포인트 파악)
불편사항 대표 사례(불편 사항별 대표 사례 및 주요 리뷰 파악)

마치며

지금까지 생성형 AI가 UX/UI 디자인 프로젝트에서 어떻게 활용될 수 있는지 워크숍의 실제 프로젝트를 살펴보았다. 특히 AI로 퍼소나 생성을 통한 가상의 사용자 인터뷰부터 데이터 분석 자동화까지 더블 다이아몬드 프로세스의 Discover & Define 단계 결과 사례를 보았다.

다음 글에서는 아이디어 구체화, 시각적 결과물 생성, UI 피드백 및 A/B 테스트에 이르기까지, 더블 다이아몬드 프로세스의 Develop & Deliver 과정 결과물을 함께 나누려고 한다.